本文第一部分总结 贝叶斯深度学习的课程及笔记，第二部分针对 因果推断的对比回答进行记录，希望能帮助想对贝叶斯统计及因果推断有快速了解的同学~

1. Bayesian Deep Learning

该部分是对Bayesian Deep Learning Summer School课程的笔记记录的总结

1.1 知乎博主总结

1. Bayesian Deep Learning Summer School | 1.贝叶斯方法引言
2. Bayesian Deep Learning Summer School | 2.变分推断
3. Bayesian Deep Learning Summer School | 3.隐变量模型与EM
4. Bayesian Deep Learning Summer School | 4.变分推断与VAE
5. Bayesian Deep Learning Summer School | 5.离散型隐变量

1.2 其他回答总结

1. 贝叶斯统计——先验分布与后验分布
2. [贝叶斯深度学习] 2 Bayesian深度学习理论与应用：两篇经典之作
   本文总结了两篇非常经典的贝叶斯深度学习相关的文献：
   【A】Weight Uncertainty in Neural Networks
   【B】Bayesian Deep Collaborative Matrix Factorization
3. 贝叶斯推断 - 变分推断

2. Causal Inference

2.1 知乎博主总结

1. [因果推断] 1 什么是因果推断
2. [因果推断] 2 潜在结果（Potential Outcomes）
3. [因果推断] 3 图模型中的关联流和因果流
4. [因果模型] 4 因果模型
5. [因果推断] 5 因果关系识别
6. [因果推断] 6 因果效应的估计
7. [因果推断] 7 不可观测混杂
8. [因果推断] 8 工具变量
9. [因果推断] 9 双重差分

2.2 其他回答总结

1. 因果推断（causal inference）是回归（regression）问题的一种特例吗？

3. 贝叶斯推断与因果推断对比

1. 【1】理解贝叶斯公式的一个视角：观测结果提供的信息
2. 【2】贝叶斯推断 与 因果推断